唐其琯，车驰东

（上海交通大学 船舶海洋与建筑工程学院，上海 200240）

随着信息技术和互联网技术的不断快速发展，信息化、智能化的理念驱动了传统工业的发展。2015年5月，国务院正式印发了《中国制造2025》，将海洋工程装备及高技术船舶列为十个重点领域之一。同年12月，中国船级社也发布了《智能船舶规范》，对船舶数据感知、分析、评估、诊断等多个方面提出相应要求。船用设备的检修周期长，操作难度大，一旦发生故障，会影响整条船的运行。如果能及时发现故障，并进行维护修理，就能够大幅降低检修成本，为船用设备正常运行提供保障[1]。

为了增强船舶的安全性、可靠性，提高船用设备的智能化水平，需要对船舱内机械设备与系统的运行状态进行监测。基于监测数据，对设备健康状况进行评估，并为设备的检修、管理等方面决策提供支持，以满足规范中智能机舱的要求。

机械设备的故障诊断技术从20世纪60年代开始，经过半个多世纪的发展，逐渐成熟。传统的故障诊断方法主要是基于分析模型和定性经验的方法，维护周期长，且主要依赖技术人员的经验，对已有数据的利用率不高[2-3]。随着信息技术的发展，故障诊断策略逐渐向智能化过度。近年来，国内外大量研究人员对基于数据驱动的方法展开了研究，在信号处理、机器学习等方面均有所突破[4]。

在机械设备故障诊断中，常用的信号处理方法有傅里叶变换、小波变换[5]、经验模态分解（Empirical Mode Decomposition, EMD）[6-7]、正交模态分解（Variational Mode Decompositon, VMD）[8-9]等。……